EDF

概要

EDF（経験分布関数、Empirical Distribution Function）チャートは、完了した全トライアルのうち、目的関数値が X 軸上の各点以下だった割合を示します。

Optuna の plot_edf に相当します。 目的関数値をトライアルの実行順に沿って見る Optimization History とは異なり、各トライアルがいつ実行されたかに関係なく、結果全体の分布の形を俯瞰できます。

コントロール

項目	説明
目的関数セレクタ（多目的問題のみ）	ドロップダウンで、表示する目的関数の分布を選択します。
Log Scale（対数スケール）	値軸（X 軸）の対数スケール表示を切り替えます。対数スケール中は、目的関数値が 0 以下のトライアルは曲線から除外されます（対数軸では表現できないため）。

操作

パン・ズーム・リセット、および凡例クリックによる系列の表示切替（比較 Study 読み込み時に各 Study の曲線を表示／非表示）は、共通の チャートの操作方法 に従います。

項目	説明
ホバー	曲線の近くにカーソルを合わせると、目的関数値とその点での累積割合を示すツールチップが表示されます。

見方

• X 軸は目的関数値、Y 軸は目的関数値がその X 値以下だった完了トライアルの割合（0〜1）です。 これが経験累積分布関数（経験 CDF）です。
• 急峻で狭い曲線：ほとんどのトライアルが似た目的関数値に収束しています。 探索が安定して一貫しているか、探索対象のハイパーパラメータへの感度が低いことを示唆します。
• なだらかで広い曲線：目的関数値が広い範囲に散らばっています。 トライアルごとの結果の質が大きくばらついており、ハイパーパラメータへの感度が高いか、最適化プロセスが不安定である可能性があります。
• 左にシフトした曲線（最小化問題の場合）：Study 全体としてより良い値をより頻繁に見つけています。 2 つの Study の EDF をこの方法で比較すると、単一のベストトライアルだけでなく、どちらのサンプラーや設定が全体としてより良い結果を出したかが分かります。
• 右にシフトした曲線：その Study ではより悪い値が多く出現しています。
• Study の比較：基準 Study と 1 つ以上の比較 Study を重ね描きすると、どちらが体系的に良い（最小化なら、より左寄りの）結果の分布を持つかが一目で分かります。 単一のベスト値だけを見るより実行全体を反映するため、頑健な比較になります（単なる幸運な外れ値に惑わされません）。
• 平坦な区間：その値域にはトライアルが存在しません。 階段状の曲線に隙間やプラトーとして現れます。
• 垂直方向の跳ね上がり：その値付近で多数のトライアルが同じ（またはごく近い）目的関数値を持っています。 離散やカテゴリカルな探索空間、似た設定を繰り返し提案するサンプラーでよく見られます。